KI-Agenten werden voraussichtlich innerhalb weniger Monate zur Ware werden, und in der Lieferkette liegt der dauerhafte Wettbewerbsvorteil in der Datenbasis darunter, so Valentina Jordan, CEO und Mitgründerin von Nauta. In einem Interview mit FreightWaves erläuterte Jordan, warum KI für den globalen Handel nur funktioniert, wenn Warenströme, Daten und Geldflüsse verbunden sind. Sie beschrieb Nautas „operatives Gehirn“, wie es aus ERP, TMS, WMS, E-Mails und Tabellenkalkulationen lernt, und warum unübersichtliche Daten nach wie vor der größte Hinderungsgrund für echte KI-Renditen sind. Das Gespräch behandelte außerdem Nautas strategische Finanzierungsrunde, die globale Expansion und wie KI Betreibern helfen kann, Lagerausfälle, Verladewartezeiten und Demurrage zu senken, indem fragmentierte Arbeitsabläufe in Handlungen umgewandelt werden.

Nauta, ein KI-natives Betriebssystem für den globalen Handel, hat eine strategische Finanzierungsrunde mit Unterstützung von BMW i Ventures, Bosch Ventures, Hitachi Ventures und Yamaha Motor Ventures abgeschlossen, wie Jordan ankündigte. Das Unternehmen setzt das Kapital für die globale Expansion ein; es ist bereits in mehr als acht Ländern aktiv, verfügt über 8.000 Lieferanten und erreicht über seine Kunden 60 Länder.

Jordan war direkt in ihrer Wettbewerbsthese in einem umkämpften Markt für KI in der Lieferkette: Die Agenten selbst sind nicht das Unterscheidungsmerkmal. „Wir glauben, dass Agenten zur Ware werden – ich sage nicht Wochen, aber wahrscheinlich Monate“, sagte sie. „Die eigentliche Herausforderung sind die Daten unterhalb dieser Agenten, und besonders in der Lieferkette und im globalen Handel müssen diese Daten genau den Kontext, das Wissen und die Erfahrung abbilden, die Betreiber über Jahrzehnte aufgebaut haben."

„Wir starten nicht mit dem Agenten. Wir starten mit den Daten, mit dem Ergebnis – und dann kommt der Agent."

Die Argumentation spiegelt einen breiteren Wandel in der Unternehmenssoftware wider: Da große Sprachmodelle und Agenten-Frameworks von großen Cloud- und KI-Anbietern allgemein verfügbar werden, hat sich die Differenzierung von den Modellen selbst zu proprietären Daten, Arbeitsabläufen und Domänenkontext verlagert. Die Lieferkette hat sich als besonders schwieriger Fall für diese These erwiesen, weil operatives Wissen oft in E-Mails, Tabellenkalkulationen und in den Köpfen erfahrener Planer steckt und nicht in strukturierten Systemen.

Nautas Plattform – von Jordan als „operatives Gehirn“ bezeichnet – verbindet die bestehenden ERP-, TMS-, WMS- und OMS-Systeme eines Unternehmens sowie unstrukturierte Quellen wie E-Mails, Microsoft Teams und Tabellenkalkulationen, in denen Betreiber laut Jordan 80 bis 90 % ihrer Arbeit erledigen. Das Gehirn nimmt kontinuierlich Verträge, Ankunftsmeldungen, Zahlungsbedingungen und externe Signale von Wetterereignissen bis zu Hafenstörungen auf und baut damit ein mehrschichtiges Modell davon auf, wie jedes einzelne Unternehmen arbeitet. Jordan nannte ein kürzliches Erdbeben in Kolumbien, das lokale Häfen beeinträchtigte, als Beispiel für die Makro-Signale, die das System überwacht.

Auf dieser Dateninfrastruktur setzt Nauta aufgabenspezifische Agenten ein. Ein besonders wertvoller Anwendungsfall ist der drei- und vierseitige Rechnungsabgleich für das Kreditoren-Wesen; Jordan sagte, das System identifiziere proaktiv zwischen 300.000 und 500.000 US-Dollar an falsch abgerechneten Beträgen pro Kunde. Weitere aktive Anwendungsfälle sind die Erstellung von Ansprüchen wegen Mehr-, Minder- und Beschädigungslieferungen, Frachtaudits sowie Lagerverwaltung mit Fokus auf die Reduzierung von Lagerausfällen und Überbeständen zur Verbesserung der Cash-to-Cash-Zyklen. Dies sind seit langem bestehende Schwachstellen im Frachtbetrieb, bei denen Audit- und Schadensprozesse historisch von manueller Abstimmung zwischen Versanddokumenten, Rechnungen und Bestellungen abhingen.

Die Investorenriege – durchweg große Industrie- und Automobilkonglomerate mit globaler Präsenz – spiegelt nach Jordans Worten die gemeinsame Erkenntnis wider, dass fragmentierte Daten die KI-Einführung im großen Maßstab blockieren. Die Kunden reichen von Lebensmittel- und Einzelhandelsvertrieb über Fertigung bis zu Konsumgütermarken wie New Balance, L'Oréal und Moët Chandon, und Jordan sagte, das Datenproblem sei in all diesen Branchen gleich.

„Es gibt mehr Gemeinsamkeiten zwischen einem Lebensmittelhändler und einem Möbel- oder Chemieunternehmen als zwischen zwei Lebensmittelhändlern, weil jedes Unternehmen anders arbeitet", sagte sie.

Jordan führt Nautas operationale Glaubwürdigkeit auf ihren Mitgründer Rafa zurück, einen in dritter Generation nach Puerto Rico ausgewanderten Spanier, dessen Familie ein 123 Jahre altes Lebensmittelvertriebsunternehmen betrieb. Diese unmittelbare Erfahrung mit logistischen Schwachstellen prägte die Überzeugung des Unternehmens, dass reine Sichtbarkeitsplattformen das zugrunde liegende Datenproblem nicht lösen können. Jordan selbst verfügt über einen 13-jährigen Technikhintergrund, darunter Stationen bei Amazon und Rappi, einem Unternehmen für die letzte Meile der Lieferung.

Sie bezeichnete die Finanzierungsrunde sowohl als Bestätigung von Nautas Daten-first-These als auch als Startpunkt für internationales Wachstum, mit dem Argument, dass große globale Unternehmen ohne eine saubere, kontextualisierte Datenbasis weiter Schwierigkeiten haben werden, messbaren Wert aus KI-Investitionen zu ziehen. Wie schnell die Kommoditisierung von Agenten tatsächlich eintritt – und ob Datenlayer-Startups ihre Position verteidigen können, während etablierte ERP-Anbieter eigene KI-Fähigkeiten aufbauen – dürfte die nächste Phase des Wettbewerbs bei KI in der Lieferkette prägen.

Quelle: FreightWaves